刘兵全[1]2004年在《基于遗传算法的肝CT序列图像分割应用研究》文中进行了进一步梳理计算机层析成像(CT)被广泛的应用于肝脏疾病的诊断，成为医生进行肝功能分析，病理和解剖研究的重要手段之一，设计和发展图像处理技术以提高医生的诊断效率和水平成为了近年来一个重要的研究领域。 图像分割是指将图像中具有特殊含义的不同区域区分开来的一种技术。分割后的子区域是互相不交叉的，每一个区域都满足特定区域的一致性。图像分割在医学应用中具有特殊的重要意义，它是医学图像处理的关键一步，是一个跨越医学和计算机科学的综合性研究课题。 肝脏边界的确定是定量分析的前提，原先医生必须对肝CT序列中的每一幅图像都要手工确定肝脏边界，这耗时费力，效率也不高。因此，研究肝脏边界的自动提取技术成为迫切的问题。图像的边界提取方法很多，但效果都不佳，本文在分析了肝CT序列特点基础上，利用遗传算法搜索边界，取得了较好结果。 首先，介绍了图像分割的定义、意义以及国内外医学图像分割的发展现状和趋势，并在此基础上提出了基于遗传算法的肝CT序列图像分割的设想。 其次，概述了当前主要的医学图像分割算法；遗传算法的基本思想，实现过程和特点。 再次，本文根据肝CT序列图的特点，采用遗传算法对肝CT序列图进行肝脏边界轮廓提取，设计了适当的遗传算法编码方式和适应度函数以及遗传操作算子。 在论文最后，对整个论文的工作进行了总结，并指出了进一步研究探索的方向。
潘家辉, 朱玲利, 鲍苏苏[2]2015年在《基于区域生长算法的CT序列图像分割》文中研究指明由于人体腹部CT图像纹理结构复杂,灰度差别特别小,边缘又很不明显,本文提出了基于区域生长法的序列图像分割算法.在提取肝脏图像时,将全部序列图像分成若干组,然后利用区域生长算法先分割出每组的第一张图片.对于本组内其余图片的分割,充分利用相邻图片的灰度相似性实现序列图像的分割.对于血管的分割,由于血管在叁维空间上的连通性,采用叁维区域生长算法实现血管管道的提取.实验结果表明,应用本文算法能得到准确的肝脏及血管分割结果.
李振伟, 刘兵全, 朱坚民[3]2005年在《基于遗传算法的肝CT图像边界自动提取方法的设计与实现》文中研究表明对肝CT序列图像进行自动分割、提取肝脏边界,有利于提高临床诊断的速度和准确性。本文在分析肝脏CT序列图像特点的基础上,设计并实现了基于遗传算法的分割方法,成功地实现了肝脏边界的自动提取。实验结果表明,这种算法非常有效,其提取结果和实际肝脏边界完全吻合。
张品[4]2014年在《CT图像的肾脏组织分割及其病变检测方法的研究》文中进行了进一步梳理在医学成像技术和计算机视觉领域不断发展的研究背景下,医学图像处理与分析技术在现代医疗系统中的重要作用和地位越来越突出,已成为医生临床诊断、治疗计划拟定以及外科手术导航等的有效技术手段,对计算机辅助检测与诊断系统的开发具有重要的应用价值和意义。作为图像处理与分析技术的分支之一,医学图像分割一直是其中的关键和难点问题。快速有效的分割方法能够更好地为医生提供患者疾病诊断与治疗的可靠性依据,从而提高医疗工作的效率和准确性。考虑到医学图像的成像特点和其临床需求,本文在总结国内外研究成果的基础上,以肾脏CT图像为主要研究对象,对医学图像的分割算法和病变检测方法等一系列相关的科学技术问题进行了深入的探讨和研究,其创新点主要表现在如下几个方面：1.针对医学图像中肾脏组织的特点以及传统C-V模型在灰度不均匀图像分割中存在的缺陷,提出了一种改进C-V模型算法来分割肾脏CT图像。该算法将图像的全局和局部统计信息融合到C-V模型中,为判断图像内像素点的归属提供了更为可靠的依据,从而有效地解决了CT图像的灰度不均匀目标分割的问题。2.根据CT序列图像的肾脏组织特征,提出了一种基于图割方法的自适应窄带活动轮廓模型,能够有效地定位和提取肾脏组织。通过融合上下文连续性和目标尺寸等信息特征,计算出适合能量函数演化的自适应窄带宽度,然后以中间两张切片为基准,将提出的模型依次应用于各层切片图像的肾脏组织分割中。考虑到测地活动轮廓模型的目标边界性和C-V模型的区域性优势,能量函数采用两者的综合形式,并将t-1ink对应的权值转化为n-link,减少了网络图的边界数量。由于算法在最优的演化区域内进行,减少了自适应窄带活动轮廓模型的运算范围,从而保证了计算效率。3.在上述自适应窄带活动轮廓模型的基础上提出了一种全自动的肾脏分割算法,弥补了交互算法在整个完成时间上的不足。将中间一张切片作为参考图像,利用肾脏的皮质特征和C-V模型来自动化完成肾脏序列图像的初始分割。通过相邻切片图像的形状差异与层间距之间的经验关系,模拟合适的窄带宽度值,有利于能量函数的快速演化。4.构建了基于支持向量机的肾脏病变检测框架,详细研究了样本选择、特征提取以及最终建立分类模型进行检测等算法流程。该分类检测方法基于肾脏病变组织的CT表现,采用统计搜索的方法获取待处理的圆形样本区域,并提取样本的灰度和纹理等特征参量,从而帮助医生检测肾脏组织中可能存在的肿瘤区域。
徐丹霞, 郭圣文, 吴效明, 岑人经, 欧陕兴[5]2009年在《肝脏CT图像分割技术研究进展》文中提出明确了CT图像中肝脏分割方法概念,重点介绍了阈值法、区域生长法、遗传算法和主动轮廓模型,分析了它们的特点,指出了CT图像中肝脏分割方法的发展趋势与面临的挑战。
彭丰平[6]2007年在《基于64排腹部CT序列图像的分割算法研究与实现》文中认为计算机层析成像(CT)被广泛的应用于疾病的诊断，成为医生进行病理和解剖研究的重要手段之一。如何利用CT断层数据进行叁维重建，以提高医生的诊断效率，乃至直接为外科手术临床服务，已成为近年来一个重要的研究领域。图像分割是CT断层数据进行叁维重建的关键步骤之一。将图像中具有特殊含义互相不交叉的不同区域分开来，使得每一个区域都满足特定区域的一致性。图像分割在医学应用中具有特殊的重要意义，它是医学图像处理的关键一步，是个跨越医学和计算机科学综合性研究课题。把肝脏及其管道从腹部CT图像中提取出来，是肝脏虚拟手术系统实现的一个基本前提。以往对腹部肝脏CT序列中的每一幅图像是通过手工方法将肝脏及其管道提取出来，这样既耗时费力，而且精确度也不高，对一个实用的虚拟手术系统来说手工提取基本没什么价值。因此，研究肝脏及其内部管道的计算机提取技术就成为一个迫切的问题。本文在分析了腹部肝脏CT图像的特点基础之上，利用CT序列图像之间的相似性，提出了一种基于区域生长的CT序列图像的提取方法。通过实验，获得了较好的结果。首先，本文介绍了课题研究的背景与意义，概述了国内外医学图像分割的发展现状和趋势，以及本论文的主要研究内容和框架，对当前一些常用的CT图像分割算法进行了分析和实验。其次，本论文根据腹部肝脏CT图像的特点，结合CT序列图像之间的相似性，提出了一种基于区域生长的CT序列图像分割方法，通过实验得到较好的结果。最后，对整个论文的工作进行了总结与分析，并指出了进一步研究的方向。
齐萌[7]2013年在《基于解剖知识的肝脏CT图像分割及可视化研究与实现》文中研究说明所谓图像分割就是根据某种均匀性(或一致性)的原则将图像分成若干个有意义的部分,使得每部分都符合某种一致性的要求。医学图像分割是医学图像处理与分析的一个重要领域,同时也是计算机辅助诊断与治疗的基础,比如叁维可视化、计算机辅助外科手术以及放射治疗等医学应用都假设已经对图像进行了精确分割。病毒性肝炎、脂肪肝、酒精肝、肝硬化及肝癌等肝病是当今社会威胁人类健康的主要疾病之一。肝脏手术如肝脏移植、肝肿瘤切除或消融是目前很多国家治疗末期肝病的重要技术。肝病的计算机辅助诊断以及外科手术规划成为迫切需要。肝脏的精确分割是进行肝病的计算机辅助诊断等的基础,已成为医学图像分割领域的研究热点,并具有广泛的应用前景和现实意义。本文以CT图像为研究对象,探索了肝脏的半自动化分割方法。肝脏分割的难点在于以下叁个方面：一是肝脏与其邻接器官组织的灰度差别不大,很难利用灰度差异将它分割出来；二是部分容积效应使肝脏的轮廓变模糊,降低了肝脏分割的可靠性；叁是肝脏形状的差异大,不同病人的肝脏形状各异,即使是同一病人也可能如此。水平集方法在当今图像分割领域非常流行并被广泛应用。它的基本思想是建立模型的能量函数,在模型内部控制力和外部图像力的共同作用下使曲线或曲面演化,并使该能量函数最小化,从而收敛到待分割区域的边缘。但是水平集方法也有其缺点,经常出现欠分割、过分割和溢出现象。针对现有的肝脏分割方法的不足,本文提出了基于特殊的水平集方法———DRLSE (Distance Regularized Level Set Evolution)模型的半自动化肝脏分割方法。该方法首先对原始图像进行灰度窗调节、中值滤波等预处理,完成分割所必须的数据准备。然后利用区域增长法进行初始分割,得到肝脏的初始轮廓。最后利用DRLSE方法迭代求出肝脏的最终轮廓,实现肝脏的分割。实验证明,DRLSE方法的分割速度是传统CV方法的15倍,在分割精度方面,DRLSE方法较传统的CV方法也有一定改善。此外,本文利用VTK中封装的Marching Cubes算法,对分割结果进行叁维可视化。
徐振震[8]2014年在《基于CT图像的胆囊叁角叁维分割系统研究与实现》文中进行了进一步梳理解剖学上将胆囊管、肝总管及肝脏脏面叁者构成的叁角形区域称为胆囊叁角(又叫Calot叁角)。胆囊叁角是临床解剖上的主要标志在进行胆囊切除手术时要在该叁角内寻找胆囊动脉并加以结扎切断,要辨认清楚而不可伤及较粗的肝右动脉,以免发生出血或结扎而引起右半肝缺血。胆囊动脉常发生变异,应特别予以注意。该叁角区域是外科手术极易发生误伤的部位。因此,精确的分割出胆囊叁角区周围的血管和组织结构对于医生进行外科手术以及放射治疗等有重要意义。随着图像处理和计算机软件和硬件的发展,图像分割正经历了从二维图像分割到叁维序列图像分割,从人工分割到自动分割最后到自动分割与半自动分割并存,从CPU串行处理到GPU并行处理的发展过程。随着医学影像设备和叁维图像分割和可视化技术的快速发展,计算机的医疗诊断正迅速成为现实。本文以叁维CT序列图像为研究对象,探索了胆囊叁角区的自动化分分割方法。胆囊叁角区自动化分割的难点在于以下几个方面：一是胆囊叁角区周围器官组织的灰度级差别不大,很难利用基于二灰度级的分割算法分割出来；二是胆囊叁角区变异情况较多且周围血管也有较多变异,很难找到相对普遍的自动化分割方法；叁是胆囊叁角区周围组织器官较多,自动化方法无法精准的调整参数；四是基于叁维解剖特性的分割方法较少,且解剖特性的提取相对比较复杂。针对现有的胆囊叁角区分割方法的不足,本文提出了基于解剖特性和结构特性混合模型的胆囊叁角区叁维自动定位分割方法。该方法分为叁个阶段：第一阶段首先利用肝脏是人体最大内脏的解剖特性,结合肝脏CT特征进行自动定位,然后采用改进的叁维水平集方法进行肝脏的分割；第二阶段首先利用胆囊被肝脏包裹且成梨状的解剖特性,结合胆囊CT特征进行管状增强,然后利用基于多尺度理论的图像分割方法进行胆囊的分割；第叁阶段首先利用管状特征对图像进行管状增强,然后利用两步叁维标记方法进行胆囊叁角区血管的分割。此外,本文利用VTK中集成的基于GPU硬件加速的Marching Cubes体绘制算法,对分割结果进行叁维可视化。
吉宏伟[9]2014年在《自动上下文模型在叁维CT肝脏图像分割中的应用研究》文中研究说明我国是肝病高发国家，肝脏手术是各种常见肝脏良恶性疾病的主要治疗方法之一。而肝脏手术前的计算机辅助手术规划则是肝脏手术的重要环节，对后续的临床手术起重要的指导作用。肝脏图像的分割、肝脏图像的叁维重建以及肝脏容积的测量等都是计算机辅助肝脏手术规划中的重要步骤。其中从医学影像中将肝脏组织准确地分割出来，是计算机辅助肝脏疾病诊断与手术规划中一个基础且至关重要的步骤。在各种各样的医学成像技术中，计算机断层扫描（CT）图像由于比较高的信噪比，以及较好的空间分辨率，在计算机辅助诊断与手术规划中经常被采用。然而，由于肝脏组织与周边相邻器官之间高度的亮度相似性、肝脏形状的高度差异性、病灶的存在等，从CT图像中将肝脏分割出来是一项具有挑战性的任务。目前临床应用的系统普遍采用手动分割，这样的工作是相当乏味且耗时的。因此，适合临床应用，快速准确的叁维CT肝脏全自动分割或交互式分割方法的研究是非常有意义的。在学习和研究现有的叁维CT肝脏图像分割方法的基础上，本文引入机器视觉领域最新的自动上下文模型（Auto-contextModel），对自动上下文模型在叁维CT肝脏图像分割中的应用做了较为深入的研究和探讨。本文的主要工作和贡献如下：广泛阅读当前肝脏图像分割的相关文献，对叁维CT肝脏图像分割近年来研究的现状以及主流的方法进行整理和归纳，同时深入研究了自动上下文模型的原理、公式与应用，为将自动上下文模型应用到叁维CT肝脏图像分割领域奠定基础。提出了一种新颖的尺度不变自动上下文算法，该算法是最近提出来的自动上下文算法的改进算法。原先的自动上下文算法因为根据固定的径向序列采样上下文位置，从而对大的尺度变化非常敏感。为了取得尺度不变性，尺度不变自动上下文算法尝试得到图像的尺度。对于不同尺度的图像，采用不同采样间隔的径向序列进行上下文位置采样。在尺度不变自动上下文算法的每一次迭代过程中，采用当前得到的分类映射去估计图像尺度，然后采用相应采样间隔的径向序列去选择上下文位置。算法迭代直到收敛。本文将提出的尺度不变自动上下文算法应用到几个经典的图像分割和标记任务，实验结果表明，当存在大的对象尺度变化时，尺度不变自动上下文算法跟原先的自动上下文算法相比，分割结果有显着的改善。提出了采用自动上下文学习算法结合水平集方法，对叁维CT肝脏图像进行分割。给定一套叁维腹部CT训练图像集以及对应的肝脏手动标记结果，先进行学习：首先对所有腹部CT图像做仿射变换，配准到其中一个典型图像（肝脏手动标记结果也做相应的对齐）。然后对于所有配准后腹部图像的每个体素，提取基于图像块的叁维图像特征和基于分类映射的叁维上下文特征。最后采用自动上下文模型进行训练（label已知），得到分类器。给定一待分割叁维腹部CT图像，首先将它配准到训练集中典型图像空间，然后对配准后图像的每个体素进行特征提取，输入自动上下文分类器，从而得到肝脏分割概率映射，最后采用水平集（CV模型）进行后处理，得到最终的肝脏分割结果。实验结果表明，该方法在叁维CT肝脏图像分割中取得了很好的效果。提出了一种基于自动上下文模型、多图谱与改进均值平移技术的叁维CT肝脏图像自动分割方法。该方法是一种基于学习的方法，可以分为两个阶段。第一阶段，即学习阶段，采用自动上下文模型在每一个图谱空间构造一个分类器序列。采用多个图谱，可以取得多个分类器序列。第二阶段，即分割阶段，首先采用每一个图谱空间的分类器序列对待分割图像进行分割，然后采用基于模糊积分的多分类器融合技术对多个图谱空间的分割结果进行融合。特别地，为了加速分割，给定一待分割图像，首先采用改进的均值平移技术进行过分割，然后实现区域级的图像标记。本文采用MICCAI2007肝脏分割挑战赛提供的数据库来评估提出的自动肝脏分割方法。实验结果显示，本文提出的方法，不管是准确率还是效率方面，与肝脏图像分割领域最近提出的一些具有代表性的工作具有可比性。提出了一种新的活动轮廓算法，即层次的上下文活动轮廓，并将其应用于叁维CT肝脏图像分割。层次的上下文活动轮廓是一种基于机器学习的算法，可以分为两个阶段。第一阶段，即学习阶段，给定一套腹部叁维CT训练图像以及对应的手动肝脏分割结果，利用上下文特征将每次的自动分割结果向手动参考分割结果映射，迭代学习得到一组纠错分类器。第二阶段，即分割阶段，首先将待分割图像用基本的活动轮廓进行分割；分割结果输入第一个纠错分类器，输出第一个形状模型，然后结合图像信息和当前形状模型，采用上下文活动轮廓进行再一次分割；得到的分割结果输入第二个纠错分类器，输出第二个形状模型，结合图像信息和当前形状模型，再次采用上下文活动轮廓进行分割。如此迭代分割，随着形状模型的逐步精确，最终可以取得准确的肝脏分割。本文实验结果表明，随着迭代的深入，可以取得越来越好的分割结果。在叁维CT肝脏图像分割中，通过六次迭代，就可以取得较好的肝脏分割。
黄晓阳[10]2009年在《在体肝脏图像配准方法及应用研究》文中指出肝脏是人体重要的消化器官,肝脏疾病直接影响人的健康和生存。随着医学、计算机技术及生物医学工程技术的发展,医学影像学为临床诊断提供了多种模式的医学图像,这些图像在医学诊断和治疗中的作用显得非常重要。但是单一模式的图像往往不能提供医生所需要的足够的诊断信息。在实际临床应用中,往往需要将不同模式的医学图像有机地结合起来,得到更丰富的信息以便了解病变组织或器官的综合信息,从而做出准确的诊断或制订出合适的治疗方案,这就首先寻找一种(或一系列)空间变换,使两幅图像的对应点达到空间位置和解剖结构上的完全一致即进行图像配准。配准结果应使两幅图像上所有的解剖点,或至少是所有具有诊断意义的点都达到匹配。由于在体肝脏图像是患者在临床检查中获取的,其中包含了患者的个体特征信息,对其进行处理分析对临床诊断具有更加直接的意义。本文以福建省卫生教育联合攻关计划项目“数字化虚拟肝脏及手术计划系统”课题为依托,以肝脏图像配准为背景,系统研究了在体肝脏图像的配准方法,研究实现了肝脏CT多相期扫描图像配准方法,肝脏CT与MR图像配准方法,肝脏CT与DSA图像配准方法,以及肝脏管道系统分支变异与走行分析,为进一步的研究和应用奠定基础。本文研究的创新点体现在以下五个方面:1.提出了一种基于联合直方图的刚性配准算法,该算法分别对刚性配准过程中的四个关键步骤进行了改进,实现了肝脏CT多相期扫描图像刚性配准。分别对图像变换方法、图像插值方法、配准的相似函数以及配准的优化搜索方法是刚性配准过程中四个关键步骤,提出了不同的改进优化算法:1)提出一种图像刚性变换的快速坐标变换方法,大大提高了图像刚性变换的速度;2)提出一种改进的B样条插值方法,改进了B样条插值函数的缺陷,提高了图像插值的效果;3)提出了一种改进的基于联合直方图的计数函数作为配准的相似函数,大大提高了图像配准的速度;4)提出了一种混合优化算法,将PSO优化算法与Powell优化算法相结合,克服了Powell算法的局部最优的缺陷。实现肝脏CT多相期扫描图像刚性配准。2.提出了一种具有自动设定标记点的薄板样条配准方法,该方法能够自动设定图像中的标记点,同时改进了薄板样条配准中存在的空值间隙的问题,实现了肝脏CT多相期扫描图像非刚性配准。标记点的选取及插值函数的确定是非刚性配准方法中最关键的两步。本文采用薄板样条函数实现图像的非刚性配准过程,采用加权插值方法克服了存在的空值间隙的问题。此外,本文提出一种改进的SIFT算法,自动提取图像中的感兴趣点,有效的提高了配准的方便性以及配准的精度。最后利用图像的小波变换算法将配准后的肝脏CT多相期扫描图像进行图像融合。3.针对肝脏DSA图像的特点,提出了一种肝脏血管配准方法,实现了肝脏CT图像与DSA图像的配准。首先将CT图像进行投影处理,把DSA与CT图像变换到一个统一的坐标系中,将3D/2D的配准过程转化为2D/2D的配准过程。在对CT图像中肝脏管道进行血管分割、血管细化、提取血管骨骼线后,以肝脏内血管的结点为基准点,将CT内的血管切分为若干部分,在最大互信息配准算法的基础上,实现了肝脏CT图像与DSA图像的多模配准。。4.提出一种由粗到精的混合配准算法,实现了肝脏CT图像与MR图像的多模配准。算法具有较好的收敛速度,且可以避免由于配准过程陷入局部极值而引起的错误。图像配准通常在开始时使用粗略的快速算法,然后使用精确的慢速算法。力矩主轴配准法是根据图像的形状信息获得图像的质心、主轴,该方法可以获得图像的平移、旋转参数;基于Fourier-Mellin变换的图像配准算法是将图像变换到频域上后进行基于非特征的图像配准。采用以上两种配准方法后,图像自动快速大致配准,进一步采用最大互信息法对图像进行精确配准。5.针对肝脏内部管道的特点,提出一种管道分析算法,实现了对肝脏管道系统分支变异以及管道走行情况分析判断。肝脏内部的血管包括肝动脉,肝静脉以及门静脉系统,根据解剖学上的统计分析以及管道拓扑结构的特点,对肝脏内部的管道进行分析,判断它们类型,在计算管道直径、长度的基础上,对肝内的肝静脉、肝动脉以及门静脉的分支类型进行分析,判定其走行以及拓扑结构,有利于保护重要的血管结构,对于肝脏的手术计划有重要的意义。总之,本文系统地研究了在体肝脏图像配准方法,主要包括肝脏CT多相期扫描图像的刚性配准方法,肝脏CT多相期扫描图像的非刚性配准方法,肝脏CT与MR图像配准方法,肝脏CT与DSA图像配准方法,以及肝脏管道系统分支变异与走行的分析,为数字化虚拟肝脏及手术计划系统的建立奠定了算法和程序基础。
参考文献：
[1]. 基于遗传算法的肝CT序列图像分割应用研究[D]. 刘兵全. 中南大学. 2004
[2]. 基于区域生长算法的CT序列图像分割[J]. 潘家辉, 朱玲利, 鲍苏苏. 洛阳师范学院学报. 2015
[3]. 基于遗传算法的肝CT图像边界自动提取方法的设计与实现[J]. 李振伟, 刘兵全, 朱坚民. 计算技术与自动化. 2005
[4]. CT图像的肾脏组织分割及其病变检测方法的研究[D]. 张品. 南开大学. 2014
[5]. 肝脏CT图像分割技术研究进展[J]. 徐丹霞, 郭圣文, 吴效明, 岑人经, 欧陕兴. 医疗卫生装备. 2009
[6]. 基于64排腹部CT序列图像的分割算法研究与实现[D]. 彭丰平. 华南师范大学. 2007
[7]. 基于解剖知识的肝脏CT图像分割及可视化研究与实现[D]. 齐萌. 东华大学. 2013
[8]. 基于CT图像的胆囊叁角叁维分割系统研究与实现[D]. 徐振震. 东华大学. 2014
[9]. 自动上下文模型在叁维CT肝脏图像分割中的应用研究[D]. 吉宏伟. 上海交通大学. 2014
[10]. 在体肝脏图像配准方法及应用研究[D]. 黄晓阳. 厦门大学. 2009
标签：生物医学工程论文; 计算机软件及计算机应用论文; 图像分割论文; 图像融合论文; 图像配准论文; 序列模式论文; 肝脏论文;